{"id":16481,"date":"2025-09-24T12:25:51","date_gmt":"2025-09-24T12:25:51","guid":{"rendered":"https:\/\/www.actico.com\/?post_type=knowledge_center&#038;p=16481"},"modified":"2026-09-30T12:30:06","modified_gmt":"2026-09-30T12:30:06","slug":"companion-for-first-rag-pipeline","status":"publish","type":"knowledge_center","link":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/","title":{"rendered":"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First"},"content":{"rendered":"\n<section id=\"wenn-die-software-zum-sparringspartner-wird\" data-anchor-title=\"Wenn die Software zum Sparringspartner wird\" class=\"m-media-text__container u-pt-x10 u-pb-x0 u-pt-x20@md u-pb-x0@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--rev o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring.png\" width=\"1917\" height=\"1917\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\"><strong>Wenn die Software zum Sparringspartner wird<\/strong><\/h2>\n<p>Bitte anschnallen, die Reise Richtung Zukunft ist in vollem Gange. Derzeit entwickeln wir fu\u0308r First ein optionales Modul, das das Beste aus der KI-Welt in den Arbeitsalltag der institutionellen Kapitalanlageverwaltung bringen wird. Mit dem Companion for First k\u00f6nnen unsere Kunden ihre First-Instanz auf Wunsch um das Verst\u00e4ndnis von Sprache und leistungsf\u00e4hige, agentische KI-Funktionen erg\u00e4nzen. Erstmals wird unser Erfolgsprodukt damit in die Lage versetzt, schriftliche Fragen in natu\u0308rlicher Sprache entgegenzunehmen und zu beantworten.<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_70d9e2febe72e66558ba375ba90e99c8\" class=\"u-relative m-text__container u-pt-x0 u-pb-x10 u-pt-x0@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <p><div class=\"c-link__moreWrapper\" id=\"acfmore-1\"><a href=\"#acfmore-1-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-1-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Sie m\u00f6chten wissen, welche Aktien in Ihren Kundenportfolios derzeit unter Einstandsniveau notieren, aktuelle Bewertungen fu\u0308r jede dieser Gesellschaften erhalten, oder ben\u00f6tigen einen Tipp, wo Sie eine bestimmte Funktion in der Benutzeroberfl\u00e4che finden? Dann fragen Sie den Companion doch einfach, wie es Ihnen gerade auf der Zunge liegt!<\/p>\n<p>Langwierige Suchen in der Menu\u0308struktur oder das Aufsetzen komplexer SQL-Abfragen fu\u0308r den Datenabruf geh\u00f6ren damit der Vergangenheit an. Mit dem Companion for First wird Ihnen ein intelligenter, dialogf\u00e4higer Assistent und Sparringspartner zur Seite stehen \u2013 immer bereit, Nutzer bei der Verwaltung von Kapitalanlagen in First fundiert, regulatorikkonform und zukunftssicher zu unterstu\u0308tzen.<\/p>\n<p><strong>Als Agentische KI hat der Companion das Ziel, seine Nutzer bei wiederkehrenden Aufgaben ebenso zu entlasten wie bei strategischen Bewertungen.<\/strong><\/p>\n<p>Zum Aufgabenfeld des Companions werden beispielsweise gezielte Analysen, verst\u00e4ndlich aufbereitete Visualisierungen und automatisierte Berichte geh\u00f6ren. In der n\u00e4chsten Ausbaustufe wird der Companion dann auch aktuelle Fachinformationen aus Finanznachrichtenquellen auswerten und automatisch zur Verfu\u0308gung stellen, sowie kontextbezogene Hinweise und systemgestu\u0308tzte Erkl\u00e4rungen zu komplexen Funktionen in First liefern.<\/p>\n<p>Mit diesem Whitepaper setzen wir unsere Reihe u\u0308ber KI-Technik und ihren Einsatz im Companion for First fort. Der Blick hinter die Kulissen ist dabei kein Selbstzweck, sondern will vermitteln, wie der Companion essenzielle Anforderungen der Kapitalanlageverwaltung von Grund auf beru\u0308cksichtigt: etwa den Wunsch nach Pr\u00e4zision, Verl\u00e4sslichkeit und Wiederholbarkeit, den Schutz von Kundendaten, die Erfu\u0308llung regulatorischer Anforderungen und vieles mehr.<\/p>\n<p><strong>Wir beginnen mit dem Ru\u0308ckgrat des Companion, der sogenannten \u201eRAG Pipeline\u201c.<\/strong> Sie orchestriert den Informationsfluss von der umgangssprachlichen Anfrage an den Companion bis hin zum gewu\u0308nschten Output.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-media-text__container-block_b2ca0bfdd614cb739018ed424b797d35\" class=\"m-media-text__container u-pt-x0 u-pb-x0 u-pt-x0@md u-pb-x0@md u-color-white\">\n    <div class=\"o-container u-relative\"><div class=\"u-bgcolor-royal-blue u-p-x5 u-p-x10@md\"><div class=\"o-grid o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/08\/First_Logo_white-2.png\" width=\"328\" height=\"143\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <p>First ist die bew\u00e4hrte Branchenl\u00f6sung der Fact fu\u0308r die umfassende Verwaltung von Kapitalanlagen durch institutionelle Anleger. Bestandsfu\u0308hrung, Buchhaltung, Solvency II, Meldewesen, Risikocontrolling, ESG \u2013 alles inklusive und dank modernster Cloud-Technik nicht an spezifische Endger\u00e4te, speziell eingerichtete Arbeitspl\u00e4tze oder enge Betriebszeiten gebunden. Alles, was man fu\u0308r die Nutzung von First ben\u00f6tigt, ist ein herk\u00f6mmlicher Internet-Zugang und ein moderner Web-Browser.<\/p>\n<p><a class=\"u-color-royal-blue\" href=\"http:\/\/ww.actico.com\"><strong>Mehr zu dieser L\u00f6sung<\/strong><\/a><\/p>\n\n            <\/div>\n        <\/div><\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_9274ffc448cf09dd390a458af05f06f7\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Aufgaben einer RAG Pipeline<\/h2>\n<p>Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam? Sie alle sind auf die intelligente Verarbeitung von Sprache durch Large Language Models (LLM) angewiesen. So nennt sich die KI-Funktion, die hinter Systemen wie ChatGPT von OpenAI, Claude von Anthropic oder Googles DeepMind steckt.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-2\"><a href=\"#acfmore-2-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-2-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Diese Modelle kombinieren die F\u00e4higkeit zur Sprachanalyse mit antrainiertem Weltwissen und k\u00f6nnen dadurch Antworten auf vielf\u00e4ltige Fragestellungen liefern. Allerdings nicht auf Wissen, das in spezifischen Anwendungen wie First verborgen liegt oder aus anderen Gru\u0308nden nicht fu\u0308r das Training dieser Modelle zur Verfu\u0308gung steht. Denn aus sich selbst heraus wissen diese Systeme zun\u00e4chst einmal gar nichts.<\/p>\n<p><strong>RAG steht fu\u0308r \u201eRetrieval-Augmented Generation\u201c<\/strong> und beschreibt ein Software-System, das den Informationsabruf (Information Retrieval) aus einer Spezialanwendung wie First mit einem Large Language Model kombiniert (augmentiert). Von einer Pipeline spricht man in diesem Zusammenhang, weil die Verarbeitung der Nutzeranfragen in klar abgegrenzten, vorgegebenen Verarbeitungsketten nacheinander aufgerufen werden. Ganz am Ende steht dann der vom Nutzer gewu\u0308nschte Output.<\/p>\n<p>Das LLM hat dabei die Aufgabe, am Beginn der Pipeline die Anfrage des Nutzers in Bedeutungsinhalte aufzubrechen. Was wird hier verlangt, worum geht es, welche Zusatzinformationen u\u0308ber Art, Inhalt, Zeitraum etc. werden geliefert? Dazu wird das LLM aus der Pipeline heraus mit Spezialwissen aus dem jeweiligen Anwendungsbereich versorgt \u2013 nicht jedoch mit konkretem Detailwissen zu spezifischen Kundendaten oder anderen Interna, das ist ganz wichtig. Diese verbleiben stets innerhalb von First.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_aab987a24992513a335e4e745db47d77\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x10@md u-pb-x10@md u-color-white u-bgcolor-electric-blue\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h5 class=\"u-color-midnight-blue\" style=\"text-align: center;\">Sie m\u00f6chten das Whitepaper lieber h\u00f6ren?<\/h5>\n<p style=\"text-align: center;\"><a class=\"c-btn c-btn__white u-mt-x3\" href=\"https:\/\/www.actico.com\/de\/loesungen\/companion-for-first\/#podcast\" target=\"_blank\" rel=\"noopener\">Hier geht es zum Podcast<\/a><\/p>\n\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"herausforderungen-an-die-rag-pipeline-im-companion-for-first\" data-anchor-title=\"Herausforderungen an die RAG Pipeline im Companion for First\" class=\"m-media-text__container u-pt-x10 u-pb-x0 u-pt-x10@md u-pb-x0@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--rev o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion.png\" width=\"1917\" height=\"1918\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"speech bubble\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\">Herausforderungen an die RAG Pipeline im Companion for First<\/h2>\n<p>Im Aufbau einer RAG Pipeline spiegeln sich die spezifischen Herausforderungen und Merkmale einer Anwendung wider, die LLMs fu\u0308r die Sprachverarbeitung nutzt. Bei First sind dies:<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_da9d7af41df3a6d3e63d69dfdb7372c0\" class=\"u-relative m-text__container u-pt-x0 u-pb-x0 u-pt-x0@md u-pb-x15@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h5 class=\"u-color-electric-blue\"><strong>Die deutsche Finanzsprache<\/strong><\/h5>\n<p>Es geht darum, dem LLM das Wissen u\u0308ber verschiedene Begriffe fu\u0308r identische Konzepte (\u201eWertpapier\u201c, \u201eGattung\u201c, \u201eAsset\u201c, \u201eKapitalanlage\u201c) und deutsche Sprachbesonderheiten wie Komposita (\u201eApple-Aktien\u201c, \u201e\u00d6ko-Fonds\u201c) mitzugeben \u2013 letztendlich alles, was die Nutzer von First an fachspezifischen Termini und Formulierungen einbringen k\u00f6nnten und u\u0308ber das Grundwissen einer LLM hinausgeht.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-3\"><a href=\"#acfmore-3-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-3-content\" class=\"c-link__moreContent\" hidden><\/p>\n<h5 class=\"u-color-electric-blue\"><strong>Komplexe Datenstrukturen<\/strong><\/h5>\n<p>First verwaltet die Kundendaten in tiefverschachtelten Strukturen mit hunderten von Datenbanktabellen, spezifischer Fachterminologie (Asset, Position, Movement, SCR und viele weitere) sowie individuellen, kundenspezifischen Konfigurationen. Eine externe LLM kann und soll diese Strukturen gar nicht kennen, deshalb muss der Zugriff darauf vollst\u00e4ndig innerhalb des Companion for First erfolgen.<\/p>\n<h5 class=\"u-color-electric-blue\"><strong>Regulatorische Anforderungen<\/strong><\/h5>\n<p>In der Finanzbranche k\u00f6nnen falsche Zahlen erhebliche juristische Konsequenzen und sogar Strafen nach sich ziehen. Der Companion for First muss u\u0308ber seine RAG-Pipeline deshalb h\u00f6chste Genauigkeit, Nachvollziehbarkeit und Compliance (DORA, BaFin) gew\u00e4hrleisten. Das von manchen KI-Anwendungen bekannte gelegentliche \u201eHalluziniere\u201c hat hier keinen Platz.<\/p>\n<h5 class=\"u-color-electric-blue\"><strong>Nachvollziehbarkeit<\/strong><\/h5>\n<p>Jede Antwort des Companion muss auf identifizierbaren und dokumentierten Quellen basieren (Tabellen, Dokumentation, Konfigurationen). Fu\u0308r Audit-Trails ist dies essentiell.<\/p>\n<h5 class=\"u-color-electric-blue\"><strong>Performance und Skalierung<\/strong><\/h5>\n<p>Auch bei komplexen Analysen und gleichzeitiger Nutzung durch zahlreiche Anwender soll der Companion Antworten in ku\u0308rzester Zeit liefern. Da innerhalb der RAG-Pipeline mehrere Module zu durchlaufen sind, spielen Performance und Optimierung dabei eine wichtige Rolle.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"komponenten-der-rag-pipeline-im-companion-for-first\" data-anchor-title=\"Komponenten der RAG Pipeline im Companion for First\" class=\"m-media-text__container u-pt-x10 u-pb-x0 u-pt-x20@md u-pb-x0@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component.png\" width=\"1917\" height=\"1918\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Component-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\">Komponenten der RAG Pipeline im Companion for First<\/h2>\n<p>Sechs zentrale Komponenten bilden die RAG Pipeline im Companion for First. Sie werden stufenweise durchlaufen und beliefern einander mit Informationen. Aus diesem Grund ist es nicht m\u00f6glich, die verschiedenen Komponenten parallel auszufu\u0308hren.<\/p>\n<p>Es k\u00f6nnen aber sehr wohl mehrere RAG Pipelines fu\u0308r unterschiedliche Nutzeranfragen und in mehreren Instanzen von First gleichzeitig aktiv sein. Zur Orchestrierung dieser Abl\u00e4ufe werden etablierte Software-Bibliotheken (Funktionssammlungen) wie LangGraph und LangChain genutzt, die sich fu\u0308r diesen Zweck bew\u00e4hrt haben.<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-accordion__container-block_6611da49d53ef9f3793845f5d25b90be\" class=\"m-accordion__container u-pt-x5 u-pb-x10 u-pt-x10@md u-pb-x20@md \">\n    <div class=\"o-container u-relative\"><div class=\"o-grid\">\n            <div class=\"o-grid__col u-12\/12@md\">\n                <div class=\"m-accordion\" itemscope itemtype=\"https:\/\/schema.org\/FAQPage\">\n                         <div class=\"m-accordion__item u-relative u-mb-x3\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\" data-aos=\"none\">\n                             <div class=\"m-accordion__header u-relative u-pv-x4 u-pl-x3 u-pl-x5@sm u-pr-x12 u-pr-x20@md\">\n                                <p class=\"h5 u-mb-x0\" itemprop=\"name\">\n                                     1. Query Processing\n                                <\/p>\n                            <\/div>\n                            <div class=\"m-accordion__body u-relative\" itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n                                <div class=\"u-ph-x3 u-ph-x5@sm u-pb-x3\" itemprop=\"text\"><p class=\"u-color-electric-blue\"><strong>Der Query Processing bildet den Einstieg in die Verarbeitungskette.<\/strong><\/p>\n<p>Darin wird die natu\u0308rlichsprachige Benutzeranfrage in eine strukturierte und maschinenlesbare Form fu\u0308r die Weiterverarbeitung transformiert. Dieser Vorgang ist vollst\u00e4ndig deterministisch, das hei\u00dft, er l\u00e4uft immer nach denselben Regeln ab und liefert bei gleichem Input auch dieselben Ergebnisse (siehe unten).<\/p>\n\n                                <\/div>\n                            <\/div>\n                        <\/div>\n                         <div class=\"m-accordion__item u-relative u-mb-x3\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\" data-aos=\"none\">\n                             <div class=\"m-accordion__header u-relative u-pv-x4 u-pl-x3 u-pl-x5@sm u-pr-x12 u-pr-x20@md\">\n                                <p class=\"h5 u-mb-x0\" itemprop=\"name\">\n                                     2. Retrieval Process\n                                <\/p>\n                            <\/div>\n                            <div class=\"m-accordion__body u-relative\" itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n                                <div class=\"u-ph-x3 u-ph-x5@sm u-pb-x3\" itemprop=\"text\"><p class=\"u-color-electric-blue\"><strong>Der Retrieval Process dient der Wissensbeschaffung.<\/strong><\/p>\n<p>Basierend auf den strukturierten Queries aus dem vorhergehenden Verarbeitungsschritt werden Informationen aus den jeweils passenden Datenquellen ermittelt. Fu\u0308r die Suche nach Wortbedeutungen kommt beispielsweise eine interne Vektordatenbank mit bekannten Begriffen aus der Finanzwelt zum Einsatz. Solche Vektordatenbanken sind das Mittel der Wahl, wenn es um kontextbezogene semantische \u00c4hnlichkeiten von Begriffen geht. \u201eAktien\u201c, \u201eShares\u201c oder \u201eWertpapiere\u201c werden so beispielsweise auf das Konzept \u201eAktie\u201c reduziert, wenn der Kontext dies sinnvoll erscheinen l\u00e4sst. Damit wird klar, worauf sich die weitere Verarbeitung in den n\u00e4chsten Stufen der Pipeline beziehen soll.<\/p>\n<p>Als Ru\u0308ckfallebene fu\u0308r nicht aufgel\u00f6ste Begriffe dient ein externes LLM, beispielsweise wenn der Anwender abstrakt nach den \u201eTop-DAX Unternehmen\u201c fragt. Das LLM liefert dann im besten Falle eine aktuelle Liste dieser Unternehmen. Ist auch damit keine Aufl\u00f6sung m\u00f6glich, muss vor der weiteren Verarbeitung beim Nutzer nachgefragt werden.<\/p>\n\n                                <\/div>\n                            <\/div>\n                        <\/div>\n                         <div class=\"m-accordion__item u-relative u-mb-x3\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\" data-aos=\"none\">\n                             <div class=\"m-accordion__header u-relative u-pv-x4 u-pl-x3 u-pl-x5@sm u-pr-x12 u-pr-x20@md\">\n                                <p class=\"h5 u-mb-x0\" itemprop=\"name\">\n                                     3. LLM Processing\n                                <\/p>\n                            <\/div>\n                            <div class=\"m-accordion__body u-relative\" itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n                                <div class=\"u-ph-x3 u-ph-x5@sm u-pb-x3\" itemprop=\"text\"><p class=\"u-color-electric-blue\"><strong>Den LLM Processing kann man sich wie das Gehirn der RAG Pipeline vorstellen.<\/strong><\/p>\n<p>Aus dem zuvor gesammelten Kontext und der urspru\u0308nglichen Benutzeranfrage wird eine Frage an das LLM formuliert. Das LLM generiert daraufhin eine intelligente, handlungsorientierte Antwort. Sie beschreibt, was in den nachfolgenden Verarbeitungsstufen der Pipeline genau zu tun ist, um die Nutzeranfrage zu beantworten. Diese \u201eTo-Dos\u201c beziehen sich auf die Tools aus dem internen Werkzeugkasten von First Cloud. Fu\u0308r jede Aufgabe gibt es das passende Tool, und das LLM wei\u00df durch den vom Companion u\u0308bermittelten Kontext, welche dieser Werkzeuge fu\u0308r die jeweilige Anfrage genutzt werden k\u00f6nnen.<\/p>\n\n                                <\/div>\n                            <\/div>\n                        <\/div>\n                         <div class=\"m-accordion__item u-relative u-mb-x3\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\" data-aos=\"none\">\n                             <div class=\"m-accordion__header u-relative u-pv-x4 u-pl-x3 u-pl-x5@sm u-pr-x12 u-pr-x20@md\">\n                                <p class=\"h5 u-mb-x0\" itemprop=\"name\">\n                                     4. Tool Execution\n                                <\/p>\n                            <\/div>\n                            <div class=\"m-accordion__body u-relative\" itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n                                <div class=\"u-ph-x3 u-ph-x5@sm u-pb-x3\" itemprop=\"text\"><p class=\"u-color-electric-blue\"><strong>Mit der Tool Execution gelangt man in die Ausfu\u0308hrungsebene der RAG Pipeline.<\/strong><\/p>\n<p>Die Antworten des LLM aus der vorherigen Stufe werden anhand der darin genannten Tools in konkrete Aktionen umgesetzt. Zun\u00e4chst werden aber potenzielle Abh\u00e4ngigkeiten zwischen den angestrebten Tool-Aufrufen gepru\u0308ft. Daraus wird die beste Reihenfolge fu\u0308r deren Ausfu\u0308hrung ermittelt. Je nach Tool werden anschlie\u00dfend mittels passender SQL-Befehle beispielsweise Kennzahlen, Verlaufs- und Stammdaten aus der First Cloud-Datenbank extrahiert oder etwa aktuelle Kursdaten u\u0308ber externe B\u00f6rsensysteme abgerufen.<\/p>\n\n                                <\/div>\n                            <\/div>\n                        <\/div>\n                         <div class=\"m-accordion__item u-relative u-mb-x3\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\" data-aos=\"none\">\n                             <div class=\"m-accordion__header u-relative u-pv-x4 u-pl-x3 u-pl-x5@sm u-pr-x12 u-pr-x20@md\">\n                                <p class=\"h5 u-mb-x0\" itemprop=\"name\">\n                                     5. Validation &#038; Formatting\n                                <\/p>\n                            <\/div>\n                            <div class=\"m-accordion__body u-relative\" itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n                                <div class=\"u-ph-x3 u-ph-x5@sm u-pb-x3\" itemprop=\"text\"><p class=\"u-color-electric-blue\"><strong>Validation &amp; Formatting dienen der Ergebnisaufbereitung und Qualit\u00e4tssicherung innerhalb der RAG Pipeline.<\/strong><\/p>\n<p>Die rohen Tool-Ergebnisse werden in verl\u00e4ssliche, fachlich korrekte und fu\u0308r den Nutzer verst\u00e4ndliche Antworten in Form von Texten, Grafiken oder Tabellen umgesetzt.<\/p>\n\n                                <\/div>\n                            <\/div>\n                        <\/div>\n                         <div class=\"m-accordion__item u-relative u-mb-x3\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\" data-aos=\"none\">\n                             <div class=\"m-accordion__header u-relative u-pv-x4 u-pl-x3 u-pl-x5@sm u-pr-x12 u-pr-x20@md\">\n                                <p class=\"h5 u-mb-x0\" itemprop=\"name\">\n                                     6. Caching &#038; Performance\n                                <\/p>\n                            <\/div>\n                            <div class=\"m-accordion__body u-relative\" itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n                                <div class=\"u-ph-x3 u-ph-x5@sm u-pb-x3\" itemprop=\"text\"><p class=\"u-color-electric-blue\"><strong>Bei Caching &amp; Performance geht es um die Effizienz der RAG Pipeline.<\/strong><\/p>\n<p>Dabei werden Systemressourcen optimiert und akzeptable Antwortzeiten fu\u0308r den produktiven Betrieb sichergestellt. So wird beispielsweise geschaut, ob Teilergebnisse aus der Verarbeitungskette gespeichert (gecached) werden k\u00f6nnen, damit man bei zuku\u0308nftigen \u00e4hnlichen Anfragen unmittelbar auf diese Ergebnisse zuru\u0308ckgreifen kann. Das spart Zeit und Ressourcen.<\/p>\n\n                                <\/div>\n                            <\/div>\n                        <\/div>\n                <\/div>\n            <\/div>\n        <\/div>\n    <\/div>\n<\/section>\n\n\n<section id=\"der-unterschied-zwischen-deterministisch-versus-stochastisch\" data-anchor-title=\"Der Unterschied zwischen Deterministisch versus Stochastisch\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md u-color-white\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h6>Gut zu wissen:<\/h6>\n<h2 class=\"u-color-electric-blue\">Der Unterschied zwischen Deterministisch versus Stochastisch<\/h2>\n<p>Betrachtet man die verschiedenen Komponenten innerhalb der RAG Pipeline des Companions, erkennt man die Trennlinie von externer Funktionalit\u00e4t (LLM-Zugriff) und interner Funktionalit\u00e4t (alle weiteren Module). Diese Trennlinie bildet auch die Grenze zwischen klassischer, deterministischer Informatik und KI-Technik, wo Wahrscheinlichkeiten eine bedeutende Rolle spielen.<\/p>\n<p><strong>Deterministisch<\/strong> bedeutet in diesem Zusammenhang, dass eine Programmfunktion immer den gleichen Output liefert, wenn sie mit dem identischen Input konfrontiert wird. Nun m\u00f6gen beispielsweise Aktienkurse von Minute zu Minute schwanken, aber wenn man eine entsprechende Programmfunktion nach dem Kurs der Apple-Aktie zu einem gegebenen Zeitpunkt mit Datum und Uhrzeit fragt, dann sollte immer derselbe Betrag in US-Dollar zuru\u0308ckgeliefert werden. Alles andere w\u00e4re ein Programmfehler.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-4\"><a href=\"#acfmore-4-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-4-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Bei KI-Funktionen ist die Situation nicht immer so eindeutig, insbesondere wenn der Input kontextabh\u00e4ngige Unsch\u00e4rfen besitzt, wie dies bei Sprache h\u00e4ufig auftritt. Hier geht es mehr um <strong>stochastische Wahrscheinlichkeiten<\/strong>, als zu 100 %-vorbestimmte, deterministische Resultate.<\/p>\n<p>Wie soll eine KI beispielsweise wissen, ob mit \u201eBank\u201c eine Sitzbank oder ein Geldinstitut gemeint ist, wie soll sie bei \u201eRente\u201c zwischen Altersversorgung und einem festverzinslichen Wertpapier trennen? Dies ist \u2013 wenn u\u0308berhaupt \u2013 immer nur u\u0308ber den Kontext einer Frage oder Ansage m\u00f6glich. Aber auch dieser Kontext kann zuweilen zweideutig sein, weil Sprache eben kein vollkommen durchdekliniertes System darstellt. Sonst w\u00e4re sie vermutlich gar nicht so breit und flexibel einsetzbar.Bei der Sprachanalyse durch ein LLM als Teil der RAG Pipeline ist es deshalb entscheidend, dem LLM Kontextinformationen mitzugeben, und dies bedeutet im Falle des Companion for First, dass \u201eRente\u201c mit hoher Wahrscheinlichkeit fu\u0308r eine Form von Asset steht und Bank nicht fu\u0308r ein M\u00f6belstu\u0308ck. Insgesamt l\u00e4sst sich festhalten, dass deterministische Verfahren und KI-Funktionen innerhalb der RAG Pipeline des Companion for First Hand in Hand gehen und einander erg\u00e4nzen. Erstgenannten wird aufgrund ihrer Exaktheit und Vorbestimmtheit allerdings der Vorzug gegeben, wo immer dies m\u00f6glich ist.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_5d971976daf53030c3383869ce3a89ea\" class=\"u-relative m-text__container u-pt-x5 u-pb-x5 u-pt-x10@md u-pb-x10@md u-color-white u-bgcolor-electric-blue\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h5 class=\"u-color-midnight-blue\" style=\"text-align: center;\">Fragen zu KI oder RAG Pipeline? Die FAQ erkl\u00e4ren\u2019s einfach.<\/h5>\n<p style=\"text-align: center;\"><a class=\"c-btn c-btn__white u-mt-x3\" href=\"https:\/\/www.actico.com\/de\/loesungen\/faq\/\">Zum FAQ<\/a><\/p>\n\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-media-text__container-block_da2ff38040b6af2f1c85f8237baa4884\" class=\"m-media-text__container u-pt-x5 u-pb-x5 u-pt-x10@md u-pb-x10@md u-color-midnight-blue\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--rev o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue.png\" width=\"1917\" height=\"1918\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\">Die n\u00e4chsten Stationen unserer Reise<\/h2>\n<p class=\"u-color-white\">Mit diesem Whitepaper haben wir die Grundlagen der RAG Pipeline im Companion for First beleuchtet. In den kommenden Ausgaben der Reihe werfen wir den Blick tiefer ins Innere des Systems: Wie das Query Processing funktioniert, welche Rolle Tooling und Training bei der Weiterentwicklung spielen und wie der Companion nahtlos in die Fact eingebunden ist.<\/p>\n<p class=\"u-color-white\">Schritt fu\u0308r Schritt entsteht so ein vollst\u00e4ndiges Bild, das zeigt, wie agentische KI-Technologie in einem hochregulierten Umfeld zuverl\u00e4ssig Mehrwert stiftet.<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>","protected":false},"excerpt":{"rendered":"<p>Wie wird aus einer nat\u00fcrlich formulierten Frage eine fundierte Antwort zu Daten in First? Das Whitepaper erkl\u00e4rt die RAG Pipeline des Companion for First und zeigt, wie Sprachverarbeitung und gezielter Datenabruf zusammenspielen.<\/p>\n","protected":false},"author":19,"featured_media":18348,"menu_order":0,"template":"","format":[182],"meta":{"_acf_changed":false,"footnotes":""},"business_unit":[],"industry":[],"other-tag":[255],"process":[252],"class_list":["post-16481","knowledge_center","type-knowledge_center","status-publish","has-post-thumbnail","hentry","format-ebook-de","other-tag-companion","process-asset-administration"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v28.5 (Yoast SEO v28.5) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First | ACTICO<\/title>\n<meta name=\"description\" content=\"Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam?\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First\" \/>\n<meta property=\"og:description\" content=\"Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/\" \/>\n<meta property=\"og:site_name\" content=\"ACTICO\" \/>\n<meta property=\"article:modified_time\" content=\"2026-09-30T12:30:06+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1240\" \/>\n\t<meta property=\"og:image:height\" content=\"1754\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@ACTICO_en\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"1\u00a0Minute\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/\",\"url\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/\",\"name\":\"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First | ACTICO\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg\",\"datePublished\":\"2025-09-24T12:25:51+00:00\",\"dateModified\":\"2026-09-30T12:30:06+00:00\",\"description\":\"Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam?\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg\",\"contentUrl\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg\",\"width\":1240,\"height\":1754},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-rag-pipeline\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/www.actico.com\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/www.actico.com\\\/de\\\/\",\"name\":\"ACTICO\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.actico.com\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#organization\",\"name\":\"ACTICO\",\"url\":\"https:\\\/\\\/www.actico.com\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2025\\\/07\\\/Actico_Logo_rgb_2024_midnight-blue.svg\",\"contentUrl\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2025\\\/07\\\/Actico_Logo_rgb_2024_midnight-blue.svg\",\"width\":120,\"height\":34,\"caption\":\"ACTICO\"},\"image\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/ACTICO_en\",\"https:\\\/\\\/x.com\\\/ACTICO_de\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/actico\",\"https:\\\/\\\/www.xing.com\\\/pages\\\/acticogmbh\"],\"description\":\"Intelligent software solutions from ACTICO support banks and insurance companies in credit risk management, corporate lending and compliance. Drive the digital transformation and optimize your business processes.\",\"email\":\"info@actico.com\",\"telephone\":\"Tel. +49 7541 39726\",\"legalName\":\"ACTICO GmbH\",\"numberOfEmployees\":{\"@type\":\"QuantitativeValue\",\"minValue\":\"201\",\"maxValue\":\"500\"}}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First | ACTICO","description":"Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam?","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/","og_locale":"de_DE","og_type":"article","og_title":"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First","og_description":"Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam?","og_url":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/","og_site_name":"ACTICO","article_modified_time":"2026-09-30T12:30:06+00:00","og_image":[{"width":1240,"height":1754,"url":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_site":"@ACTICO_en","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"1\u00a0Minute"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/","url":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/","name":"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First | ACTICO","isPartOf":{"@id":"https:\/\/www.actico.com\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/#primaryimage"},"image":{"@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/#primaryimage"},"thumbnailUrl":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg","datePublished":"2025-09-24T12:25:51+00:00","dateModified":"2026-09-30T12:30:06+00:00","description":"Was haben Chatbots, \u00dcbersetzungssysteme, Sentiment-Analyse (Ermittlung von Nutzerstimmungen) und Assistenten wie der Companion for First gemeinsam?","breadcrumb":{"@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/#primaryimage","url":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg","contentUrl":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_RAG-Pipeline_092026_Titel.jpg","width":1240,"height":1754},{"@type":"BreadcrumbList","@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-rag-pipeline\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/www.actico.com\/de\/"},{"@type":"ListItem","position":2,"name":"Das Beste aus zwei Welten: Die RAG Pipeline im Companion for First"}]},{"@type":"WebSite","@id":"https:\/\/www.actico.com\/de\/#website","url":"https:\/\/www.actico.com\/de\/","name":"ACTICO","description":"","publisher":{"@id":"https:\/\/www.actico.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.actico.com\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.actico.com\/de\/#organization","name":"ACTICO","url":"https:\/\/www.actico.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.actico.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.actico.com\/wp-content\/uploads\/2025\/07\/Actico_Logo_rgb_2024_midnight-blue.svg","contentUrl":"https:\/\/www.actico.com\/wp-content\/uploads\/2025\/07\/Actico_Logo_rgb_2024_midnight-blue.svg","width":120,"height":34,"caption":"ACTICO"},"image":{"@id":"https:\/\/www.actico.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/ACTICO_en","https:\/\/x.com\/ACTICO_de","https:\/\/www.linkedin.com\/company\/actico","https:\/\/www.xing.com\/pages\/acticogmbh"],"description":"Intelligent software solutions from ACTICO support banks and insurance companies in credit risk management, corporate lending and compliance. Drive the digital transformation and optimize your business processes.","email":"info@actico.com","telephone":"Tel. +49 7541 39726","legalName":"ACTICO GmbH","numberOfEmployees":{"@type":"QuantitativeValue","minValue":"201","maxValue":"500"}}]}},"_links":{"self":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center\/16481","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center"}],"about":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/types\/knowledge_center"}],"author":[{"embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/users\/19"}],"version-history":[{"count":20,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center\/16481\/revisions"}],"predecessor-version":[{"id":18690,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center\/16481\/revisions\/18690"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/media\/18348"}],"wp:attachment":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/media?parent=16481"}],"wp:term":[{"taxonomy":"business_unit","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/business_unit?post=16481"},{"taxonomy":"format","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/format?post=16481"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/industry?post=16481"},{"taxonomy":"other-tag","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/other-tag?post=16481"},{"taxonomy":"process","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/process?post=16481"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}